生成器

1、生成器

1.1 生成器

• 利用迭代器可以在每次迭代获取数据时按照特定的规律进行生成
• 但是在实现一个迭代器时，关于当前迭代到的状态需要自己记录，进而才能根据当前状态生成下一个数据
• 为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)，生成器是一类特殊的迭代器

1.2 创建生成器方法

• 法1：只要把列表推导式的 [ ] 改成 ( )

In [1]: L = [ x*2 for x in range(5)]

In [2]: L
Out[2]: [0, 2, 4, 6, 8]

In [3]: G = ( x*2 for x in range(5))

In [4]: G
Out[4]: <generator object <genexpr> at 0x7f626c132db0>

• 创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，G 是一个生成器
• 可以直接打印出列表L的每一个元素，而对于生成器G，可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用

• 法2：
  • 在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了
  • 简单来说：只要在def中有yield关键字的 就称为 生成器
  • 此时按照调用函数的方式使用生成器就不再是执行函数体了，而是会返回一个生成器对象，然后就可以按照使用迭代器的方式来使用生成器了

def create_num(all_num):

    a, b = 0, 1
    current_num = 0

    while current_num < all_num:
        # print(a)
        # 如果一个函数中有yield语句
        # 那么这个就不在是函数，而是一个生成器的模板
        yield a
        a, b = b, a+b
        current_num += 1
    return "ok...."


obj = create_num(5)

while True:
    try:
        ret = next(obj)
        print(ret)
    except Exception as result:
        print(result)
        break

• yield a，第一次使用for或者next读取数据时，先执行yield前面的代码，执行到yield a时暂停，将a返回，下一次使用for或者next读取数据时，执行yield后面的代码，若有循环，在yield a时再次暂停，等待再次使用for或者next读取数据

1.3 总结

• 使用了yield关键字的函数不再是函数，而是生成器
• yield关键字有两点作用：
  • 保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
  • 将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
  • 可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）

1.4 使用send唤醒

• 除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行
• 使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据

def create_num(all_num):

    a, b = 0, 1
    current_num = 0
    while current_num < all_num:
        ret = yield a
        print(">ret>", ret)
        a, b = b, a+b
        current_num += 1


obj = create_num(10)

# obj.send(None)
# send一般不会放到第一次启动生成器，如果非要这样做那么传递None

ret = next(obj)
print(ret)

# send里面的数据会 传递给第6行，当做yield a的结果，然后ret保存这个结果
# send的结果是下一次调用yield时 yield后面的值
ret = obj.send("hahahha")  
print(ret)